Handoffs entre agents IA : transmettre le contexte et l'état d'un agent à l'autre

Un handoff entre agents est le transfert contrôlé d'une tâche, avec son contexte et son état, d'un agent IA à un autre. Au lieu de traiter lui-même une demande jusqu'au bout, un agent transmet le dialogue en cours à un agent spécialisé. La question de conception centrale n'est pas si l'on transmet, mais ce que l'on transmet : l'historique complet de la conversation, un résumé compressé ou un état structuré. Plus que toute autre, cette décision détermine si un système multi-agents fonctionne ou échoue à cause d'une perte de contexte.

• Que transmet-on ? Le contexte (dialogue précédent, décisions, résultats intermédiaires) et l'état (données structurées, statut de la tâche, variables), selon l'un des trois niveaux de fidélité.
• Qui prend le contrôle ? Contrairement à l'appel d'outil, après un handoff, c'est l'agent qui reprend la main qui poursuit le dialogue ; l'agent qui transmet cède son tour.
• Qu'est-ce qui peut mal tourner ? La perte de contexte par surcompression, les handoffs sans fin (interblocage de ressources) et les défaillances en cascade, où un fait erroné circule dans toute la chaîne.

Trois stratégies de handoff : historique complet, résumé, état structuré

Le choix de la stratégie de transfert est au fond un arbitrage entre fidélité de l'information et coût en tokens. Il dépend du couplage d'état entre les sous-tâches.

1. Historique complet de la conversation. L'agent qui reprend la main reçoit l'intégralité de la trace : tous les messages, appels d'outils et décisions intermédiaires. Pour un travail étroitement couplé (où chaque action conditionne les décisions suivantes), Cognition défend précisément cette position : partager les traces complètes de l'agent, pas seulement des messages isolés. La justification : chaque action porte des décisions implicites, et des décisions contradictoires mènent à de mauvais résultats (Don't Build Multi-Agents, juin 2025). Le prix : une consommation de tokens élevée, qui augmente à chaque handoff.

2. Résumé compressé. Avant de transmettre, l'agent qui cède la main condense son contexte en un résumé. C'est le modèle de référence du Research Agent d'Anthropic (documenté dans « How we built our multi-agent research system », 13 juin 2025) : chaque sous-agent travaille dans sa propre fenêtre de contexte d'environ 200k tokens et renvoie un résumé compressé à l'agent principal, jamais la transcription complète. L'agent principal en tire la synthèse de la réponse. Sa fenêtre de contexte reste ainsi réservée au plan, aux résultats des sous-agents et à la synthèse, plutôt qu'à des extraits de recherche bruts. Économe en tokens et parallélisable, mais avec un risque de perte de contexte si la condensation est trop forte.

3. État structuré. Au lieu de texte libre, on transmet un schéma typé (modèle Pydantic, JSON Schema ou artifact A2A). C'est la variante la plus robuste pour des transferts clairement définis, car le format impose l'exhaustivité et rien ne se perd implicitement. LangGraph fait passer un objet d'état typé à travers ses nœuds et le sauvegarde de façon durable par checkpoints : un workflow interrompu reprend après un redémarrage du serveur à partir du dernier checkpoint.

Les handoffs dans l'OpenAI Agents SDK et le modèle Swarm

L'OpenAI Agents SDK (mars 2025) introduit les handoffs comme un concept explicite à part entière. C'est la version renommée et enrichie d'OpenAI Swarm (octobre 2024), le framework de référence pour le modèle peer-to-peer/swarm. La sémantique selon la documentation d'OpenAI : le nouvel agent reprend la conversation et voit par défaut tout l'historique précédent. Un agent de triage décide par exemple qu'une demande relève de l'agent de facturation et la lui transmet ; à partir de là, c'est l'agent de facturation qui mène le dialogue.

C'est ce qui distingue nettement les handoffs de l'appel d'outil : avec un appel d'outil, le même agent garde le contrôle et ne reçoit qu'un résultat. Avec un handoff, la responsabilité change de mains. À titre de comparaison, voici la sémantique de transmission de messages des principales stacks :

Pour les transferts entre fournisseurs (par exemple un agent Salesforce qui appelle un agent SAP Joule), le contrat n'est pas le handoff du SDK, mais le protocole A2A. Là, le cycle de vie des tâches définit les états, l'agent cible publie une AgentCard décrivant ses capacités et le résultat revient sous forme d'artifact. Les prompts et modèles internes restent volontairement cachés.

Sources d'erreur : perte de contexte et handoffs sans fin

Les handoffs créent des classes d'erreurs qu'un système à agent unique ne connaît pas. Quatre d'entre elles concernent directement les handoffs :

• Fragmentation du contexte. Les sous-agents prennent des décisions implicites incompatibles parce que du contexte s'est perdu lors du transfert. Parade : partager les traces complètes là où le couplage est fort ; des contrats de décision explicites.
• Défaillances en cascade. Un agent hallucine un fait ; le suivant le reprend comme une vérité ; en aval, d'autres agents agissent sur cette base erronée. Parade : un agent vérificateur jouant le rôle de juge, des sources de retrieval fiables, des citations obligatoires.
• Interblocage de ressources / handoffs sans fin. Les agents s'attendent mutuellement en boucle (A attend le résultat de B, B attend une précision de A) ou se renvoient une tâche encore et encore. Parade : un timeout sur chaque tâche, un état input-required explicite (A2A), une limite stricte d'étapes de handoff par exécution.
• Confusion d'autorité. Un sous-agent écrase les instructions de l'agent principal, ou l'agent principal perd l'autorité sur le dialogue. Parade : des hiérarchies de rôles claires et des contrats AgentCard et de tâche solides.

Un aspect de sécurité supplémentaire : chaque agent qui ingère des contenus non fiables constitue une surface d'attaque de plus pour l'injection de prompt. Dans les handoffs avec historique complet, une instruction injectée peut voyager avec le contexte jusqu'à l'agent suivant. EchoLeak (CVE-2025-32711) montre à quel point ce risque est réel : une injection de prompt zero-click dans Microsoft 365 Copilot, signalée à Microsoft par Aim Labs et rendue publique en juin 2025.

Bonnes pratiques pour des handoffs robustes

La conception du Research Agent d'Anthropic et la synthèse de Cognition (en 2026) permettent d'établir une checklist concrète :

1. Garder un chemin d'écriture mono-thread. De nombreux agents peuvent lire, rechercher et proposer, mais un seul agent ou une seule étape du pipeline fait le commit. Cognition a mis à jour sa position en avril 2026 (Multi-Agents: What's Actually Working) : ce qui fonctionne, ce sont des configurations où plusieurs agents apportent leur intelligence à une tâche tandis que les écritures restent mono-thread. Les essaims qui écrivent en parallèle font éclater le contexte.
2. Contraindre les sorties à un schéma typé. Les résultats des sous-agents sous forme de modèle Pydantic, de JSON Schema ou d'artifact A2A, pas en texte libre.
3. Compresser avant le retour. Ne jamais renvoyer la transcription complète d'un sous-agent à l'agent principal.
4. Enseigner explicitement la délégation. Chaque sous-agent reçoit un objectif, un format de sortie, des indications sur les outils et les sources, et des limites de tâche claires. Chez Anthropic, des délégations vagues ont provoqué des doublons de travail et des lacunes de couverture.
5. Plafonner le budget de tokens de chaque sous-agent et attribuer à chaque handoff un trace ID et un timeout, pour la traçabilité et contre les boucles sans fin.

Exemple : traitement des sinistres avec sept agents (Allianz Project Nemo)

Allianz Project Nemo traite les sinistres liés à des denrées avariées après des catastrophes naturelles avec sept agents spécialisés : Planner, Cyber, Coverage, Weather, Fraud, Payout, Audit. Le workflow se déroule comme une chaîne hiérarchique de handoffs : le Planner décompose le dossier, le transmet à Coverage et Weather pour vérification, à Fraud pour le contrôle anti-fraude et enfin à Payout. L'agent Audit dédié produit un résumé complet de toutes les décisions des agents et de leurs justifications, intégrant ainsi la piste d'audit dans la topologie des agents elle-même, et pas seulement dans le logging.

Chiffres concrets (déployé en Australie en juillet 2025, en production en moins de 100 jours) : l'ensemble du workflow à sept agents s'achève en moins de cinq minutes, et le délai de traitement et de règlement des sinistres éligibles inférieurs à 500 AUD a baissé de 80 %. Point décisif : le paiement final reste human-in-the-loop. Un gestionnaire de sinistres vérifie le résumé d'audit. C'est l'écriture mono-thread à l'état pur : six agents apportent leur intelligence, un seul (plus un humain) décide.

Pseudocode du cœur du handoff :

```
planner.handoff(coverage, state={id_sinistre, police, montant_sinistre})
coverage.handoff(fraud, state + {couverture_ok: true})
fraud.handoff(payout, state + {score_fraude: 0.04})
payout.handoff(audit, state + {recommandation: "payer", montant: 480})
audit -> human_review(resume) # seul commit d'écriture
```

Pour les agences et les décideurs B2B

Si tu prévois de mettre en production des workflows multi-agents, que ce soit comme PME en Europe avec un ou deux cas d'usage ou comme agence qui transforme des services agentiques en produits, fais de la stratégie de handoff ta première décision d'architecture. La règle empirique : par défaut, un état structuré ou un résumé compressé, l'historique complet seulement en cas de couplage fort ; un chemin d'écriture mono-thread ; chaque handoff avec timeout, limite d'étapes et trace ID. En tant qu'agence, il vaut la peine de rendre tes propres agents compatibles A2A avec des AgentCards publiées, afin que les systèmes de tes clients (Agentforce, Joule, Copilot Studio) puissent les solliciter sans intégration sur mesure. Blck Alpaca accompagne les équipes B2B en Europe dans l'intégration d'agents IA, le développement de logiciels sur mesure et la conception de ce type d'architectures de handoff, du choix des patterns jusqu'à l'observabilité sur toute la chaîne d'agents.